Pytorch Note

什么是快乐星球，让我用简单易懂的代码带你进入pytorch快乐星球

这是我的Pytoch学习笔记，下面会慢慢的更新我的学习笔记

part1: 深度学习基础

• PyTorch介绍和环境配置

  • Note1 Pytorch介绍
  • Note2 Pytorch环境配置

• Pytorch基础

  • Note3 Tensor(张量)
  • Note4 Variable（变量）
  • Note5 动态图和静态图 dynamic-graph
  • Note6 自动求导Autograd
  • Note7 Dataset（数据集）
  • Note8 简单介绍torch.optim(优化)和模型保存

• 神经网络

  • Note9 线性模型和梯度下降
  • Note10 多项式回归
  • Note11 Logistic 回归模型
  • Note12 多层神经网络
  • Note13 反向传播算法
  • Note14 激活函数(Activation Function)
  • 优化算法
    • Note15 优化算法1 梯度下降（Gradient descent varients）
    • Note16 优化算法2 动量法(Momentum)
    • Note17 优化算法3 Adagrad算法
    • Note18 优化算法4 RMSprop算法
    • Note19 优化算法5 Adadelta算法
    • Note20 优化算法6 Adam算法
    • Note21 优化算法对比
  • 数据处理和过拟合的方法
    • Note22 数据预处理
    • Note23 参数初始化
    • Note24 防止过拟合
  • Note25 深层神经网络实现 MNIST 手写数字分类

• 卷积神经网络

  • Note26 卷积神经网络
  • Note27 卷积设计的一些经验总结
  • Note28 Pytorch的卷积模块
  • Note29 使用重复元素的深度网络 VGG
  • Note30 更加丰富化结构的网络 GoogLeNet
  • Note31 深度残差网络 ResNet
  • Note32 稠密连接的卷积网络 DenseNet
  • 更好的训练卷积网络
    • Note33 数据增强
    • Note34 学习率衰减
    • Note35 正则化

• 循环神经网络

  • Note36 循环神经网络的变式：LSTM和GRU
  • Note37 PyTorch 中的循环神经网络模块
  • Note38 RNN 做图像分类
  • Note39 RNN 序列预测
  • 自然语言处理的应用
    • Note40 词嵌入（word embedding）
    • Note41 N-Gram 模型
    • Note42 LSTM 做词性预测

• 生成对抗网络

  • Note43 自动编码器(Autoencoder)
  • Note44 变分自动编码器（VAE）

参考:

• 《深度学习入门之pytorch》
• https://github.com/L1aoXingyu/code-of-learn-deep-learning-with-pytorch